排序方式: 共有767条查询结果,搜索用时 608 毫秒
131.
介绍一种把电网中连续的电压和电流正弦波转换成计算机能够识别的电压脉冲波和电流脉冲波的实用技术. 比较2个脉冲信号前沿的时间差, 得出表征电网经济运行状况的重要参数——功率因数. 相似文献
132.
针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%. 相似文献
133.
134.
比较产热凝胶菌株生长和合成多糖阶段的能量代谢差异,特别是能量耗散的差异,构建了土壤杆菌ATCC 31749产热凝胶的代谢途径.研究产生能量代谢差异的原因及其影响因素,利用分子生物学技术和生物信息学工具,构建了土壤杆菌电子呼吸链的传递途径.研究高密度培养、高强度生产的两步法微生物多糖发酵工艺.在预备罐中以低C/N营养条件,实现产多糖微生物的快速高密度培养.在发酵罐中稀释细胞后以高C/N营养条件高强度生产微生物多糖.研制工业规模下适用于高黏度发酵的高效生物反应器.以结冷胶为高黏度发酵模型体系,研究该反应器在冷模条件下的传质、混合和流变行为特征,设计了新型高效生物反应器,放大至50 m3并应用于结冷胶发酵生产实践中. 相似文献
135.
136.
传统的可控源音频大地电磁法(CSAMT)反演方法属于线性或者局部线性,大都依赖初始模型.而遗传算法因其不依赖初始模型的特点而应用到CSAMT反演中.但是,标准的遗传算法存在早熟、局部收敛等问题.针对这些问题,对标准的遗传算法进行改进,采用排序法和最优保留策略相结合的选择算子,增强其种群多样性并保证其收敛性;采用父子竞争策略和自适应概率法相结合的交叉算子,能够防止好的父代个体被淘汰,又具有适应性.通过理论模型进行算法仿真验证,证明其有效性,说明改进遗传算法较标准遗传算法在CSAMT一维反演中有明显的改善.通过对实测数据进行反演,其结果与地质资料吻合,证明了其适应性. 相似文献
137.
为探讨白黄链霉菌TD-1菌株挥发性有机物(VOCs)对灰霉孢菌的抑制作用,采用双皿对扣法测定VOCs对灰霉孢菌的抑菌率,通过扫描电镜观察VOCs对灰霉孢菌菌丝体的影响,利用GC/MS技术对VOCs组分进行分析。结果表明,作用5d后,6.0g TD-1菌株麦麸培养物产生的VOCs对灰霉孢菌的抑菌率为66.67%,灰霉孢菌的产孢量(3.9×106个/cm2)较空白组(5.9×107个/cm2)显著降低(p<0.01),且菌丝形态异常、表面粗糙,菌体细胞膜通透性增强。TD-1菌株VOCs由63种组分组成,其中2-甲基异冰片(13.52%)和1,4-二甲基金刚烷(14.08%)的相对含量较高。白黄链霉菌TD-1菌株产生的VOCs对灰霉孢菌良好的抑制作用为将其开发成生物熏蒸剂提供了理论依据。 相似文献
138.
通过检测重复性经颅磁刺激(rTMS)对吗啡依赖小鼠条件性位置偏爱(CPP)表达的影响,探讨rTMS对吗啡依赖小鼠的治疗效应。30只雄性ICR小鼠随机分为对照组、CPP模型组和rTMS治疗组。CPP模型组与rTMS治疗组通过交替注射吗啡和生理盐水建立CPP模型;对照组皮下注射等量生理盐水替代吗啡。在成功建立CPP模型的基础上,rTMS治疗组采用频率为1Hz的低频脉冲磁场进行治疗,每天治疗15min,连续7d;CPP模型组进行假电磁刺激操作;对照组不作任何处理。在rTMS治疗后分别检测三组小鼠的CPP表达并进行比较。结果显示在rTMS治疗的前3d内,rTMS治疗组小鼠的CPP值显著低于CPP模型组(P < 0.01),且维持在相对稳定的范围内。结果表明1Hz rTMS能有效抑制吗啡依赖小鼠的CPP表达,可能成为戒毒治疗的新方法。 相似文献
139.
通过对高压脉冲电刺激下龙舌兰(Agave americana)释放负离子的研究,探究光照和CO2对龙舌兰释放负离子的影响,以期为植物源负离子发生器提供理论基础;在密闭玻璃室(2.5 m×2.0 m×3.0 m)内测定和比较了光照和黑暗环境中高压脉冲电刺激下龙舌兰产生的负离子浓度和环境CO2浓度以及不遮光玻璃室中光照强度;结果表明:龙舌兰在高压脉冲电刺激下光照条件下能产生产生较多负离子,且产生的负离子浓度日变化显著;龙舌兰在高压脉冲电刺激下负离子的产生与室内CO2浓度无显著的相关性,与不遮光玻璃室光照强度有显著的二项式相关性。 相似文献
140.
针对传统跟踪算法不能在复杂场景下进行有效跟踪的问题,提出一种基于L0正则化增量正交投影非负矩阵分解(incremental orthogonal projective non negative matrix factorization,IOPNMF)的目标跟踪算法。在粒子滤波框架下采用IOPNMF算法在线获得跟踪目标基于部分的表示以构建模板矩阵,然后将每帧中的候选样本建立基于模板矩阵的线性表示,对表示系数进行L0正则化约束,并提出快速数值解法,同时引入粒子筛选机制,加快跟踪速度。实验结果表明,新算法能够解决跟踪过程中出现的遮挡、光照变化、运动模糊等影响跟踪性能的因素,具有较高的平均覆盖率和较低的平均中心点误差。 相似文献